Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen:
http://dx.doi.org/10.18419/opus-11028
Langanzeige der Metadaten
DC Element | Wert | Sprache |
---|---|---|
dc.contributor.advisor | Resch, Michael M. (Prof. Dr.-Ing. Dr. h.c. Dr. h.c. Prof. E.h.) | - |
dc.contributor.author | Schembera, Björn | - |
dc.date.accessioned | 2020-09-21T13:48:13Z | - |
dc.date.available | 2020-09-21T13:48:13Z | - |
dc.date.issued | 2019 | de |
dc.identifier.issn | 0941-4665 | - |
dc.identifier.other | 1733513140 | - |
dc.identifier.uri | http://nbn-resolving.de/urn:nbn:de:bsz:93-opus-ds-110458 | de |
dc.identifier.uri | http://elib.uni-stuttgart.de/handle/11682/11045 | - |
dc.identifier.uri | http://dx.doi.org/10.18419/opus-11028 | - |
dc.description.abstract | In der Dissertation wird das Konzept von dunklen Daten auf das Höchstleistungsrechnen erweitert. Dunkle Daten entstehen durch fehlende Metadaten oder inaktive Nutzerinnen und Nutzer. Die Dissertation stellt Konzepte zur Minimierung solcher Daten vor. Sie umfassen ein Metadaten-Modell (EngMeta) und eine automatisierte Metadaten-Extraktionsmethode, die entworfen und implementiert wurde. Da solche technischen Lösungsansätze ohne entsprechende organisatorische Prozesse nutzlos sind, werden sie in der Dissertation um einen spezifischen Datenkurator sowie Entscheidungskriterien ergänzt. | de |
dc.description.abstract | In this dissertation, the concept of dark data is extended to high-performance computing. Dark data arise from missing metadata or inactive users. The dissertation proposes concepts for minimizing such dark data, which include a metadata model (EngMeta) and an automated metadata extraction method. Those concepts were designed and implemented. Since such technical approaches are useless without organizational proccesses, they a complemented with a specific data curator role and decision criteria within the dissertation. | en |
dc.language.iso | de | de |
dc.relation.ispartofseries | HLRS;21 | - |
dc.rights | info:eu-repo/semantics/openAccess | de |
dc.subject.ddc | 004 | de |
dc.subject.ddc | 020 | de |
dc.subject.ddc | 620 | de |
dc.title | Forschungsdatenmanagement im Kontext dunkler Daten in den Simulationswissenschaften | de |
dc.title.alternative | Research data management in the context of dark data in the simulation sciences | en |
dc.type | doctoralThesis | de |
ubs.dateAccepted | 2019-12-20 | - |
ubs.fakultaet | Energie-, Verfahrens- und Biotechnik | de |
ubs.fakultaet | Zentrale Einrichtungen | de |
ubs.institut | Institut für Höchstleistungsrechnen | de |
ubs.institut | Höchstleistungsrechenzentrum Stuttgart (HLRS) | de |
ubs.publikation.seiten | xvi, 203 | de |
ubs.publikation.typ | Dissertation | de |
ubs.schriftenreihe.name | HLRS | de |
ubs.thesis.grantor | Energie-, Verfahrens- und Biotechnik | de |
Enthalten in den Sammlungen: | 04 Fakultät Energie-, Verfahrens- und Biotechnik |
Dateien zu dieser Ressource:
Datei | Beschreibung | Größe | Format | |
---|---|---|---|---|
Dissertation_Schembera_final.pdf | 4,54 MB | Adobe PDF | Öffnen/Anzeigen |
Alle Ressourcen in diesem Repositorium sind urheberrechtlich geschützt.